;Xij为历史训练数据Xk中第i行第j列的数据;为第j个过程变量历史训练数据的 均值;oj为第j个过程变量历史训练数据的标准差。4. 根据权利要求3所述的炼化过程自适应数据驱动的早期故障监测方法，其特征在于， 根据主成分分析方法将所述标准化历史训练数据进行分解，包括： 根据主成分分析方法将所述标准化历史训练数据Xi/分解为：其中，为标准化历史训练数据Xi/在主元子空间中的估计;E为标准化历史训练数据 Xi/在残差子空间上的投影，即主成分分析模型的估计残差矩阵;TeR^a，t为得分矩阵，所 述得分矩阵表示主成分分析模型的前A个主元对应的得分向量组成的矩阵;L为标准化历史 训练数据长度;ρτ为载荷矩阵PERmxA的转置，所述载荷矩阵P为前A个主元对应的负荷向量 组成的矩阵，所述载荷矩阵P所支撑的空间为主元子空间； 确定所述标准化历史训练数据Xi/的协方差矩阵Σ :其中Ik为第k次更新后的历史训 练数据长度;为第j个过程变量历史训练数据的均值;μι为第i个过程变量历史训练数据的 均值。5. 根据权利要求4所述的炼化过程自适应数据驱动的早期故障监测方法，其特征在于， 根据分解后的标准化历史训练数据确定主成分分析统计量SPE指标控制限，包括： 根据公式：确定主成分分析统计量S P E指标控制限《;其中，、为所述协方差矩阵Σ的第m-A个特征值;ca为标准正态分布在置信度水 平曰下的阔值;A为主成分分析模型的主元个数;m为所述监测参数的历史训练数据的过程变 量个数。6. 根据权利要求5所述的炼化过程自适应数据驱动的早期故障监测方法，其特征在于， 所述获取炼化过程的实时测量数据，并将所述实时测量数据确定为待测试样本数据，包括： 确定一时亥化的待测试样本数据向量为Y=[yi，y2,...，y"]; 对所述待测试样本数据向量进行列向标准化处理，形成标准化待测试样本数据向量： r =[y/，y2/，. . .，ym/];其中叫为第j个过程变量历史训练数据的均值;曰j为 第j个过程变量历史训练数据的标准差。7. 根据权利要求6所述的炼化过程自适应数据驱动的早期故障监测方法，其特征在于， 根据当前更新后的历史训练数据，确定待测试样本数据的SPE指标，包括： 根据公式： s阳κ= Μ α-ρρτ 作'112 确定所述待测试样本数据的SI^指标SPEk;其中，I为单位矩阵;Ρ为所述载荷矩阵;ρτ为 所述载荷矩阵PERmXA的转置。8. 根据权利要求7所述的炼化过程自适应数据驱动的早期故障监测方法，其特征在于， 根据所述待测试样本数据的SPE指标与所述SPE指标控制限进行比较，包括： 判断S尸￡,,、；'立《是否成立； 若所述待测试样本数据的SPE指标大于等于所述SPE指标控制限，确定炼化过程生产装 置处于异常工况状态，包括： 若5'尸￡；>巧成立，确定炼化过程生产装置处于异常工况状态。9. 根据权利要求8所述的炼化过程自适应数据驱动的早期故障监测方法，其特征在于， 还包括： 确定炼化过程生产装置的各过程变量对SPE指标的贡献率:仿贿P :其中，祭为单位矩阵Im的第i列的转置。10. -种炼化过程自适应数据驱动的早期故障监测装置，其特征在于，包括： 监测参数的历史数据获取单元，用于获取炼化过程生产装置的监测参数的历史数据； 滑动窗口长度和步长确定单元，用于确定历史训练数据的滑动窗口长度和步长； 历史训练数据更新单元，用于根据所述滑动窗口长度和步长在监测参数的历史数据中 确定历史训练数据，并自历史训练数据的初始历史训练数据每隔一个步长时间更新一次所 述历史训练数据;所述初始历史训练数据为确定历史训练数据的初始时刻之前的一滑动窗 口长度的历史数据； 标准化处理单元，用于对所述历史训练数据进行列向标准化处理，形成标准化历史训 练数据； 标准化历史训练数据分解单元，用于根据主成分分析方法将所述标准化历史训练数据 进行分解； SPE指标控制限计算单元，用于根据分解后的标准化历史训练数据确定主成分分析统 计量SPE指标控制限； 待测试样本数据处理单元，用于获取炼化过程的实时测量数据，并将所述实时测量数 据确定为待测试样本数据； SPE指标确定单元，用于根据当前更新后的历史训练数据，确定待测试样本数据的SPE 指标； 比较单元，用于根据所述待测试样本数据的SPE指标与所述SPE指标控制限进行比较； 状态确定单元，用于在所述待测试样本数据的SI^指标大于等于所述SI^指标控制限 时，确定炼化过程生产装置处于异常工况状态。11. 根据权利要求10所述的炼化过程自适应数据驱动的早期故障监测装置，其特征在 于，所述历史训练数据更新单元具体用于： 确定所述监测参数的历史训练数据的初始历史训练数据矩阵为：;其中，Ιο为历史训练数据长度;m为所述监测参数的历史训练数 据的过程变量个数； 在每隔一个步长D时更新一次所述监测参数的历史训练数据;第k次更新后的历史训练 数据为：12. 根据权利要求11所述的炼化过程自适应数据驱动的早期故障监测装置，其特征在 于，所述标准化处理单元具体用于： 根据公式：确定所述标准化历史训练数据Xi/ ;其中，XI,/为所述标准化历史训练数据中第i行第j 列的数据;Xij为历史训练数据Xk中第i行第j列的数据;为第j个过程变量历史训练数据的 均值;oj为第j个过程变量历史训练数据的标准差。13. 根据权利要求12所述的炼化过程自适应数据驱动的早期故障监测装置，其特征在 于，所述标准化历史训练数据分解单元具体用于： 根据主成分分析方法将所述标准化历史训练数据Xi/分解为：其中，^为标准化历史训练数据Xi/在主元子空间中的估计;E为标准化历史训练数据 Xi/在残差子空间上的投影，即主成分分析模型的估计残差矩阵;TeR^a，t为得分矩阵，所 述得分矩阵表示主成分分析模型的前A个主元对应的得分向量组成的矩阵;L为标准化历史 训练数据长度;ρτ为载荷矩阵PERmxA的转置，所述载荷矩阵P为前A个主元对应的负荷向量 组成的矩阵，所述载荷矩阵P所支撑的空间为主元子空间； 确定所述标准化历史训练数据Xi/的协方差矩阵Σ :其中，Lk为第k次更新后的历史训 练数据长度;为第j个过程变量历史训练数据的均值;μι为第i个过程变量历史训练数据的 均值。14. 根据权利要求13所述的炼化过程自适应数据驱动的早期故障监测装置，其特征在 于，所述SPE指标控制限计算单元具体用于： 根据公式：确定主成分分析统计量S P E指标控制限髮；其中为所述协方差矩阵Σ的第m-A个特征值;ca为标准正态分布在置信度水 平曰下的阔值;A为主成分分析模型的主元个数;m为所述监测参数的历史训练数据的过程变 量个数。15. 根据权利要求14所述的炼化过程自适应数据驱动的早期故障监测装置，其特征在 于，所述待测试样本数据处理单元具体用于： 确定一时亥化的待测试样本数据向量为Y=[yi，y2,...，y"]; 对所述待测试样本数据向量进行列向标准化处理，形成标准化待测试样本数据向量： r =[y/，y2/，. . .，ym/];其中，叫为第j个过程变量历史训练数据的均值;曰j为 第j个过程变量历史训练数据的标准差。16. 根据权利要求15所述的炼化过程自适应数据驱动的早期故障监测装置，其特征在 于，所述SPE指标确定单元具体用于： 根据公式： S阳κ= II α-ρρτ 作'112 确定所述待测试样本数据的SI^指标SPEk;其中，I为单位矩阵;Ρ为所述载荷矩阵;ρτ为 所述载荷矩阵PERmxA的转置。17. 根据权利要求16所述的炼化过程自适应数据驱动的早期故障监测装置，其特征在 于，所述比较单元具体用于： 判断>€是否成立； 所述状态确定单元具体用于： 在5'户￡,、>殘成立时，确定炼化过程生产装置处于异常工况状态。18. 根据权利要求17所述的炼化过程自适应数据驱动的早期故障监测装置，其特征在 于，还包括： 贡献率确定单元，用于确定炼化过程生产装置的各过程变量对SPE指标的贡献率 Cmt泌巨;其中，努为单位矩阵Im的第i列的转置。
【专利摘要】本发明提供了一种炼化过程自适应数据驱动的早期故障监测方法及装置，涉及石油炼化故障监测技术领域。方法包括：获取炼化过程生产装置的监测参数的历史数据；根据滑动窗口长度和步长确定监测参数的历史训练数据，并在每隔一个步长时更新一次历史训练数据；对历史训练数据进行列向标准化处理；根据主成分分析方法将标准化历史训练数据进行分解；确定主成分分析统计量SPE指标控制限；确定待测试样本数据的SPE指标；根据待测试样本数据的SPE指标与SPE指标控制限进行比较；若待测试样本数据的SPE指标大于等于SPE指标控制限，确定炼化过程生产装置处于异常工况状态。本发明可以解决静态的多元统计模型应用于实际生产过程中容易出现大范围的误报警的问题。
【IPC分类】G05B23/02
【公开号】CN105700517
【申请号】CN201610131396
【发明人】胡瑾秋, 蔡战胜, 张海捷, 张来斌, 马曦
【申请人】中国石油大学(北京), 中海石油华岳化工有限公司
【公开日】2016年6月22日
【申请日】2016年3月9日